Partitionnement de donnéesvignette|upright=1.2|Exemple de clustering hiérarchique. Le partitionnement de données (ou data clustering en anglais) est une méthode en analyse des données. Elle vise à diviser un ensemble de données en différents « paquets » homogènes, en ce sens que les données de chaque sous-ensemble partagent des caractéristiques communes, qui correspondent le plus souvent à des critères de proximité (similarité informatique) que l'on définit en introduisant des mesures et classes de distance entre objets.
K-moyennesLe partitionnement en k-moyennes (ou k-means en anglais) est une méthode de partitionnement de données et un problème d'optimisation combinatoire. Étant donnés des points et un entier k, le problème est de diviser les points en k groupes, souvent appelés clusters, de façon à minimiser une certaine fonction. On considère la distance d'un point à la moyenne des points de son cluster ; la fonction à minimiser est la somme des carrés de ces distances.
Regroupement hiérarchiqueDans le domaine de l'analyse et de la classification automatique de données, le regroupement hiérarchique est un partitionnement de données ou clustering, au moyen de diverses méthodes, dites « ascendantes » et « descendantes ». Les méthodes dites « descendantes » partent d’une solution générale vers une autre plus spécifique. Les méthodes de cette catégorie démarrent avec une seule classe contenant la totalité puis se divisent à chaque étape selon un critère jusqu’à l’obtention d’un ensemble de classes différentes.
Single-linkage clusteringIn statistics, single-linkage clustering is one of several methods of hierarchical clustering. It is based on grouping clusters in bottom-up fashion (agglomerative clustering), at each step combining two clusters that contain the closest pair of elements not yet belonging to the same cluster as each other. This method tends to produce long thin clusters in which nearby elements of the same cluster have small distances, but elements at opposite ends of a cluster may be much farther from each other than two elements of other clusters.
Clustering high-dimensional dataClustering high-dimensional data is the cluster analysis of data with anywhere from a few dozen to many thousands of dimensions. Such high-dimensional spaces of data are often encountered in areas such as medicine, where DNA microarray technology can produce many measurements at once, and the clustering of text documents, where, if a word-frequency vector is used, the number of dimensions equals the size of the vocabulary.
Humanoid robotA humanoid robot is a robot resembling the human body in shape. The design may be for functional purposes, such as interacting with human tools and environments, for experimental purposes, such as the study of bipedal locomotion, or for other purposes. In general, humanoid robots have a torso, a head, two arms, and two legs, though some humanoid robots may replicate only part of the body, for example, from the waist up. Some humanoid robots also have heads designed to replicate human facial features such as eyes and mouths.
Vision binoculairethumb|Schéma de la vision binoculaire humaine. La vision binoculaire est un mode de vision dans lequel les deux yeux sont utilisés simultanément. Le mot binoculaire vient du latin : bini pour « double » et oculus pour « yeux ». Le fait de voir avec deux yeux confère au moins quatre avantages par rapport au fait d'en avoir un seul : il laisse au sujet la possibilité de conserver la vue même en cas de perte d'un œil ; il donne un champ de vision plus large.
Androïdevignette|Becoming Human sculpture androïde de Christian Ristow. L'adjectif androïde, du grec ancien (« d’homme ») et (« aspect extérieur »), désigne ce qui est de forme humaine. Un androïde est un robot construit à l'image d'un homme et par extension sémantique d'un être humain. Stricto sensu, andr désigne l'homme au sens masculin, le terme gynoïde est utilisé pour un robot à l'image d'une femme ; les termes neutres humanoïde et anthropoïde sont synonymes.
HumanoïdeLe terme humanoïde signifie . Il évoque la bipédie, la présence de deux bras et d'une tête. Il s'agit donc uniquement d'un critère phénotypique et plus précisément morphologique. Le terme humanoïde est utilisé dans la science-fiction et la fantasy, ou dans la robotique. On le trouve aussi dans le domaine de la cryptozoologie. Ce mot ne doit pas être confondu avec « hominoïde », « hominidé », « homininé », « hominine » ou « hominien », et tous termes taxonomiques de définition plus rigoureuse.
Determining the number of clusters in a data setDetermining the number of clusters in a data set, a quantity often labelled k as in the k-means algorithm, is a frequent problem in data clustering, and is a distinct issue from the process of actually solving the clustering problem. For a certain class of clustering algorithms (in particular k-means, k-medoids and expectation–maximization algorithm), there is a parameter commonly referred to as k that specifies the number of clusters to detect.
